摘要
针对目前缺乏有效区分卖方信用增长类型的问题,提出了一种卖方交易数据转换的方法,并提出了C2C交易信用增长模式分类算法。通过引入监督的XYF网络方法对电子商务交易数据进行分析,能够对处于同一行业中、具有不同信用增长模式的卖方分类,为卖方的虚假信用识别提供了一种有效的途径,也为卖方的交易模式进行分类识别提供了一种新的思路。
For the current problem of lack of a valid distinction between the terns, a seller transaction data conversion method is proposed, and the classificati credit growth pattern is proposed. By analyzing the E-commerce transaction data seller credit growth paton model of C2C trading through the supervision XYF network, the different seller's credit growth patterns in the same category can be classified. It provides an effective way to identify the seller's fake credit, and also provides a new thought of classifying the seller's transaction mode.
出处
《计算机工程与科学》
CSCD
北大核心
2014年第4期758-764,共7页
Computer Engineering & Science
基金
广西壮族自治区教育厅人文社科研究项目(SK13YB036)
桂林电子科技大学博士启动基金资助项目(US12010Y)
关键词
电子商务
C2C交易
卖方信用
神经网络
模式
e-commerce
C2C transactions
seller 's credit
neural network
pattern